技能介绍

工程师为什么需要专属的 AI 笔记体系

当 RAG、Agent、Function Calling 等新概念每月涌现时，多数工程师面临三重困境：收藏夹越堆越满却无法复用；笔记只抄定义不懂何时调用；知识更新速度远超个人消化节奏。结果就是「看似学了很多，实际遇到问题仍从零搜索」。

四问法与四维归档的具体操作

核心消化框架：每遇到新技术强制回答四问——它解决什么问题？和已掌握的 prompt engineering 有何异同？能在当前项目中怎么落地？关键参数如 temperature、max_tokens 如何设置？
结构化归档：按「概念/工具/范式/踩坑」建立四维分类，每条笔记必须包含「适用场景描述 + 可运行的 hello world 级示例」，例如 LangChain 调用示例需附 pip install 命令与最小代码片段。
动态维护机制：每月回顾时合并过时内容（如 GPT-3.5 相关笔记），通过双向链接将 embedding 原理与 向量数据库 实战笔记关联，避免知识孤岛。

适用边界与风险提示

本技能是个人知识管理方法论，不替代官方文档。例如 Claude API 的 context window 参数需以 Anthropic 最新文档为准。建议配合 Obsidian 或 Notion 等工具使用，重点验证笔记中「关键参数」的准确性，避免因 AI 生成内容过时导致项目故障。